ROC曲线是用于评估分类模型性能的一种常用工具。它的横坐标是“假阳性率”，纵坐标是“真阳性率”。

假阳性率指的是被分类器错误地判定为“正类”的样本数占所有实际为“负类”的样本数的比例。假阳性率越低，说明分类器的误判率越低，性能越好。

真阳性率指的是被分类器正确地判定为“正类”的样本数占所有实际为“正类”的样本数的比例。真阳性率越高，说明分类器的正确率越高，性能越好。

ROC曲线是将分类器在不同阈值下得到的真阳性率和假阳性率组成的点连接起来形成的曲线。ROC曲线越靠近左上角，则分类器的性能越好。通常情况下，ROC曲线下面的面积越大，分类器的性能越好。